인공지능을 구현한 파이썬 코드를 주요 구성 요소로 나누어, 파이썬 코드의 구성과 동작 원리를 심층 분석합니다. 이를 통해서 고급 파이썬 프로그래밍 역량을 갖추고, 빅데이터 처리 능력 향상, 그리고 인공지능에 대한 깊이 있는 이해를 도모합니다.
매주 토요일 아침 9시에 유튜브를 통해서 라이브 방송으로 진행할 예정입니다. 많은 성원과 관심을 부탁드립니다.
- 일곱번째 강의(10/11) – Q-Learning을 파이썬으로 구현하기
- 여덟번째 강의(10/18) – Vanilla Policy Gradient(REINFORCE)를 파이썬으로 구현하기
- 아홉번째 강의(10/25) – PPO를 파이썬으로 구현하기
여섯번째 강의(10/4)
링크 : https://youtube.com/live/NbCCCPgjBpk?feature=share
Deep Q-Network를 파이썬으로 구현하기(OpenAI’s Gymnasium사용)
다섯번째 강의(9/21)
링크 : https://youtu.be/iNAJmS3btrw
Diffusion Model을 파이썬으로 구현하기
네번째 강의(8/24)
링크 : https://youtube.com/live/dm1JSOitvWc?feature=share
트랜스포머의 인코더를 파이썬으로 구현하기
세번째 강의(8/17)
링크 : https://youtube.com/live/XCoheERiRy0?feature=share
트랜스포머의 어텐션을 파이썬으로 구현하기
두번째 강의(8/3)
링크 : https://youtube.com/live/NEcmw8z7VKQ?feature=share
인공지능 파이썬코드 심층분석을 본격 시작하기에 앞서 PyTorch의 nn.Module에 대해 자세히 알아 보고, 인공지능 구현코드에서 실제 사용된 사례를 함께 살펴봅니다.
- MLP를 NumPy로 구현하기
- pytorch의 nn.Module
- forward함수
- backward함수
- linear transformation
첫번째 강의(7/27)
링크 : https://youtube.com/live/Jz1G-hKazdk?feature=share
인공지능 파이썬코드 심층분석을 본격 시작하기에 앞서 PyTorch의 tensor에 대해 자세히 알아 보고, 인공지능 구현코드에서 실제 사용된 사례를 함께 살펴봅니다.
- pytorch와 tensorflow
- tensor의 생성
- tensor의 shape 변경
- tensor간의 연산
- tensor의 유용한 함수들